⚛️ quantum physics

Intelligence-Guided Adaptive Purification for DDoS-Resilient Quantum Networks: A CUDA-Q based Study

यह शोध पत्र एक CUDA-Q और SeQUeNCe सह-सिमुलेशन (co-simulation) अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि एक इंटेलिजेंस-गाइडेड, रिसोर्स-पेनलाइज्ड एडेप्टिव प्यूरिफिकेशन पॉलिसी, जो रीयल-टाइम साइबर-एनोमली डिटेक्शन को एकीकृत करती है, रॉ थ्रूपुट (raw throughput) के बदले फिडेलिटी (fidelity) का गतिशील रूप से व्यापार करके DDoS हमलों के तहत क्वांटम नेटवर्क में उच्च-फिडेलिटी एंटैंगलमेंट की डिलीवरी में महत्वपूर्ण सुधार करती है।

मूल लेखक: Santanu Ganguly

प्रकाशित 2026-07-21

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Santanu Ganguly

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

क्वांटम इंटरनेट का नाजुक नृत्य

एक ऐसे भविष्य के इंटरनेट की कल्पना करें जहाँ सूचना केवल 0 और 1 के बिट्स नहीं है, बल्कि "एंटैंगलमेंट" (entanglement) नामक नाजुक, काल्पनिक संबंध है। यह क्वांटम इंटरनेट का वादा है, एक ऐसा नेटवर्क जिसे ऐसी चीजें करने के लिए डिज़ाइन किया गया है जो हमारा वर्तमान वेब नहीं कर सकता, जैसे कि अभेद्य कोड बनाना या सुपर-शक्तिशाली क्वांटम कंप्यूटरों को जोड़ना। लेकिन इसमें एक पेच है: ये क्वांटम कनेक्शन अविश्वसनीय रूप से नाजुक होते हैं। यदि आप उन्हें बहुत दूर भेजने की कोशिश करते हैं, तो वे लुप्त हो जाते हैं, जैसे तूफान में खोई हुई एक फुसफुसाहट। इसे ठीक करने के लिए, वैज्ञानिक "क्वांटम रिपीटर्स" (quantum repeaters) का उपयोग करते हैं, जो रिले स्टेशनों की तरह काम करते हैं। वे एक धुंधले होते कनेक्शन को पकड़ते हैं, उसे साफ करते हैं, और आगे बढ़ाते हैं।

हालाँकि, इन कनेक्शनों को साफ करना कठिन है। यह एक टूटे हुए फूलदान को ठीक करने की कोशिश करने जैसा है: आप टुकड़ों को वापस जोड़ने की कोशिश कर सकते हैं (एक प्रक्रिया जिसे "प्यूरिफिकेशन" या शुद्धिकरण कहा जाता है), लेकिन कभी-कभी गोंद विफल हो जाता है, या आप गलती से फूलदान को और अधिक तोड़ देते हैं। इसके अलावा, गोंद को सूखने में समय लगता है, और जब तक आप प्रतीक्षा करते हैं, फूलदान पर धूल जम सकती है (एक समस्या जिसे "डिकोहेरेंस" या decoherence कहा जाता है)। वैज्ञानिकों के लिए बड़ा सवाल यह है: आपको कब एक कनेक्शन को ठीक करने की कोशिश करनी चाहिए, और कब नेटवर्क को चालू रखने के लिए उसे बस छोड़ देना चाहिए? और क्या होगा यदि नेटवर्क को नियंत्रित करने वाले लोग साइबर हमले से विचलित हो जाते हैं? यह शोधपत्र यह पता लगाने का प्रयास करता है कि क्वांटम नेटवर्क को स्मार्ट कैसे बनाया जाए, खासकर जब चीजें गलत हो रही हों।

शोधपत्र की कहानी: क्वांटम नेटवर्क को साइबर-स्मार्ट बनाना सिखाना

यह अध्ययन, जिसका शीर्षक "इंटेलिजेंस-गाइडेड क्वांटम नेटवर्क्स" है, एक सिमुलेशन प्रयोग है जो एक बहुत ही विशिष्ट प्रश्न पूछता है: क्या हम एक क्वांटम नेटवर्क को यह सिखा सकते हैं कि साइबर हमले का पता चलते ही अपनी सफाई की रणनीति बदल ले? शोधकर्ताओं ने दो शक्तिशाली उपकरणों का उपयोग करके एक डिजिटल खेल का मैदान बनाया: CUDA-Q, जो क्वांटम कणों के सूक्ष्म, शोर वाले भौतिकी का अनुकरण करता है, और SeQUeNCe, जो पूरे नेटवर्क के लिए एक ट्रैफिक कंट्रोलर के रूप में कार्य करता है, जो यह ट्रैक करता है कि चीजों में कितना समय लगता है और वे कितनी बार विफल होती हैं।

क्वांटम नेटवर्क को रिले धावकों की एक लंबी कतार के रूप में सोचें जो एक बैटन (baton) पास कर रहे हैं। एक आदर्श दुनिया में, हर धावक बैटन को पूरी तरह से पास करता है। लेकिन वास्तविकता में, बैटन पर खरोंच आ सकती है (लो फिडेलिटी/low fidelity), या धावक उसे गिरा सकता है (विफलता)। "प्यूरीफिकेशन" की प्रक्रिया एक धावक के रुककर बैटन को पास करने से पहले उसे पॉलिश करने जैसी है। समस्या यह है कि पॉलिश करने में समय लगता है, और यदि आप बहुत अधिक पॉलिश करते हैं, तो आप उसे ठीक करने की कोशिश में बैटन गिरा सकते हैं। यदि आप पर्याप्त पॉलिश नहीं करते हैं, तो बैटन बहुत अधिक खरोंच वाला होकर पहुँचता है जो उपयोगी नहीं रहता।

शोधकर्ताओं ने धावकों की एक टीम (8 नोड्स की एक श्रृंखला) के लिए विभिन्न रणनीतियों का परीक्षण किया। उन्होंने पाया कि पुराना तरीका "हमेशा पॉलिश करें" (फिक्स्ड प्यूरिफिकेशन) वास्तव में बहुत धीमा था और बैटन गिराने के प्रति संवेदनशील था। दूसरी ओर, "कभी पॉलिश न करें" का अर्थ था कि बैटन बहुत अधिक खरोंच वाला होकर पहुँचा जो उपयोग के योग्य नहीं था। सबसे अच्छी रणनीति जो उन्हें मिली वह एक "स्मार्ट, रिस्क-अवेयर" (जोखिम के प्रति सचेत) दृष्टिकोण थी। यह रणनीति पूरी लाइन को देखती है और निर्णय लेती है कि किन धावकों को पॉलिश करने की आवश्यकता है और किन्हें बस दौड़ना चाहिए, जिससे एक साफ बैटन की आवश्यकता और आगे बढ़ने की आवश्यकता के बीच संतुलन बना रहे। उनके सिमुलेशन में, इस स्मार्ट रणनीति ने 0.362 बार एक उपयोगी, उच्च-गुणवत्ता वाला कनेक्शन प्रदान किया, जो "हमेशा पॉलिश करें" पद्धति को मात देता है, जो केवल 0.311 बार सफल हुआ।

लेकिन असली जादू तब होता है जब नेटवर्क पर हमला होता है। शोधकर्ताओं ने एक परिदृश्य का अनुकरण किया जहाँ "कंट्रोल रूम" (वह क्लासिकल कंप्यूटर सिस्टम जो धावकों को क्या करना है यह बताता है) को जंक ट्रैफिक से भर दिया गया है, जो कि Denial-of-Service (DDoS) हमले के समान है। उन्होंने अराजकता की नकल करने के लिए एक ज्ञात साइबर हमले (SSDP) से वास्तविक दुनिया के डेटा का उपयोग किया।

यहाँ क्या हुआ:

"अनजान" धावक: एक टीम अपने मूल प्लान के साथ चलती रही, अराजकता को अनदेखा करती रही। वे बैटन को तेजी से पास करते रहे, लेकिन क्योंकि नेटवर्क खराब हो गया था, बैटन इतने खरोंच वाले पहुंचे कि वे बेकार थे। एक अच्छा कनेक्शन देने की उनकी सफलता दर गिरकर केवल 0.098 रह गई।
"स्मार्ट" धावक: दूसरी टीम के पास एक विशेष सेंसर (एक इंट्रूजन डिटेक्शन सिस्टम, या IDS) था जो साइबर हमले की गंध सूंघ सकता था। जब सेंसर चिल्लाया "हमला!", तो इस टीम ने तुरंत अपनी रणनीति बदल दी। उन्होंने भागना बंद करने और अधिक आक्रामक रूप से पॉलिश करने का निर्णय लिया ताकि वे कुछ बैटन जो वे पास करते हैं, वे पूर्ण सुनिश्चित हो सकें।
परिणाम: इस "हैवी पॉलिशिंग" मोड में स्विच करके, स्मार्ट टीम ने अपना प्रदर्शन वापस पा लिया। वे 0.344 बार एक अच्छा कनेक्शन देने में सफल रहे। यह उस "गॉड-मोड" टीम के लगभग बराबर है जो जानती थी कि हमला कब हो रहा है (0.335), और अनजान टीम की तुलना में बहुत बेहतर है।

इसका क्या अर्थ है

यह शोधपत्र यह दावा नहीं करता है कि उन्होंने अभी तक एक भौतिक क्वांटम इंटरनेट बना लिया है; ये परिणाम एक परिष्कृत कंप्यूटर सिमुलेशन से हैं। हालाँकि, निष्कर्ष एक शक्तिशाली नए विचार का सुझाव देते हैं: क्वांटम नेटवर्क केवल स्थिर मशीनें नहीं होने चाहिए। उन्हें "साइबर-अवेयर" होना चाहिए।

अध्ययन इस विचार को खारिज करता है कि आपको हमले के दौरान भी उच्च गति पर कनेक्शन पंप करते रहना चाहिए। शोधपत्र दिखाता है कि यह दृष्टिकोण कचरा डेटा की बाढ़ ला देता है। इसके बजाय, सबसे अच्छा कदम यह है कि जब सिस्टम परेशानी महसूस करे तो धीमा हो जाना और अधिक सावधान रहना। एक "एनोमली स्कोर" (यह मापने का तरीका कि नेटवर्क ट्रैफ़िक कितना अजीब दिख रहा है) का उपयोग करके यह तय करना कि कब कनेक्शन को साफ करना है, नेटवर्क गति और गुणवत्ता के बीच व्यापार कर सकता है, यह सुनिश्चित करते हुए कि जो कुछ कनेक्शन वह डिलीवर करता है वे वास्तव में उपयोगी हों।

संक्षेप में, शोधपत्र सुझाव देता है कि क्वांटम नेटवर्किंग का भविष्य केवल बेहतर भौतिकी के बारे में नहीं है; यह बेहतर निर्णय लेने के बारे में है। यदि नेटवर्क साइबर हमले को "देख" सकता है और अपनी सफाई की रणनीति को मौके पर बदल सकता है, तो यह अराजकता में जीवित रह सकता है और उच्च-गुणवत्ता वाला क्वांटम जादू प्रदान करना जारी रख सकता है।

तकनीकी सारांश: DDoS-लचीले क्वांटम नेटवर्क के लिए इंटेलिजेंस-गाइडेड एडेप्टिव प्यूरिफिकेशन

समस्या विवरण
क्वांटम रिपीटर नेटवर्क एंटैंगलमेंट जनरेशन दरों, एंड-टू-एंड फिडेलिटी (fidelity), प्यूरिफिकेशन ओवरहेड और मेमोरी-प्रेरित विलंबता (latency) के बीच संतुलन बनाने के लिए एडेप्टिव कंट्रोल पॉलिसी पर निर्भर करते हैं। यह ट्रेड-ऑफ तब काफी जटिल हो जाता है जब क्लासिकल कंट्रोल प्लेन, जो हेरल्डिंग, सिंक्रोनाइज़ेशन और रूटिंग का प्रबंधन करता है, DDoS ट्रैफिक जैसे साइबर विसंगतियों (anomalies) से बाधित होता है। वर्तमान नियंत्रण रणनीतियाँ अक्सर कच्चे वितरण संभाव्यता (raw delivery probability) या स्थानीय फिडेलिटी थ्रेशोल्ड के लिए अनुकूलित होती हैं, बिना इस बात पर ध्यान दिए कि स्थानीय निर्णय एक एंड-टू-एंड श्रृंखला के माध्यम से कैसे प्रसारित होते हैं या साइबर-स्टेट डिग्रेडेशन भौतिक लिंक मापदंडों को कैसे प्रभावित करता है। यह शोध केंद्रीय नियंत्रण प्रश्न को संबोधित करता है: एक रिपीटर को किसी प्रारंभिक लिंक को कब शुद्ध (purify) करना चाहिए ताकि यह सुनिश्चित हो सके कि अंतिम एंटेंगल्ड पेयर लक्षित फिडेलिटी थ्रेशोल्ड से ऊपर रहे, विशेष रूप से तब जब नेटवर्क हमले-प्रेरित गिरावट (attack-induced degradation) के तहत काम कर रहा हो?

कार्यप्रणाली
यह अध्ययन हेट्रोजेनियस लीनियर रिपीटर चेन्स में एडेप्टिव प्यूरिफिकेशन रणनीतियों का मूल्यांकन करने के लिए एक CUDA-Q/SeQUeNCe को-सिमुलेशन वर्कफ़्लो का उपयोग करता है।

CUDA-Q प्रिमिटिव वैलिडेशन: सर्किट स्तर पर नॉइजी क्वांटम कर्नेल का उपयोग प्रिमिटिव ऑपरेशंस (बेल-पेयर जनरेशन, एंटैंगलेमेंट प्यूरिफिकेशन, और एंटैंगलेमेंट स्वैपिंग) का अनुमान लगाने के लिए किया जाता है। ये कर्नेल इनपुट स्टेट्स के लिए सफलता की संभावनाओं और कंडीशनल आउटपुट फिडेलिटीज के कैश्ड अनुमान प्रदान करते हैं, जिन्हें फिर नेटवर्क सिमुलेशन में एम्बेड किया जाता है।
SeQUeNCe इवेंट-लेयर सिमुलेशन: एक डिस्क्रीट-इवेंट सिम्युलेटर नेटवर्क की स्टोकेस्टिक प्रकृति को मॉडल करता है, जिसमें लिंक जनरेशन, रिट्राय लिमिट्स, मेमोरी डिके (एक्सपोनेंशियल रिलैक्सेशन के माध्यम से मॉडल किया गया), प्यूरिफिकेशन फेलियर्स और स्वैपिंग शामिल हैं।
कंट्रोल पॉलिसीज: अध्ययन स्थिर स्थितियों के तहत कई नीतियों की तुलना करता है:
- नो प्यूरिफिकेशन (No purification): रॉ डिलीवरी को अधिकतम करता है लेकिन कम फिडेलिटी का जोखिम उठाता है।
- थ्रेशोल्ड-एडेप्टिव (Threshold-adaptive): उन लिंक्स को प्यूरीफाई करता है जो एक स्थानीय फिडेलिटी ट्रिगर से नीचे गिर जाते हैं।
- फिक्स्ड प्यूरिफिकेशन (Fixed purification): सभी लिंक्स को प्यूरीफाई करता है।
- प्रेडिक्टिव/रिस्क-अवेयर (Predictive/Risk-aware): एक रिसोर्स-पेनलाइज्ड ऑब्जेक्टिव फंक्शन जो "एबव-टारगेट डिलीवरी प्रोबेबिलिटी" (वह संभाव्यता जहाँ फिडेलिटी $F \geq F_{\Sigma}$ हो) को अनुकूलित करता है, जबकि प्यूरिफिकेशन लागत और विलंबता को दंडित (penalize) करता है। यह नीति मोंटे कार्लो अनिश्चितता को संभालने के लिए लोअर-कॉन्फिडेंस-बाउंड (LCB) अनुमान का उपयोग करती है।
साइबर-क्वांटम कपलिंग: साइबर-डिग्रेडेशन को मॉडल करने के लिए, लेखक CSE-CIC-IDS2018 बेनाइन-टू-SSDP घुसपैंती डिटेक्शन ट्रेस का उपयोग करते हैं।
- कंट्रोलर को सूचित करने के लिए ट्रैफिक से एक IDS एनोमली स्कोर ( $a_{IDS}(t)$ ) प्राप्त किया जाता है।
- क्वांटम लिंक्स को भौतिक रूप से डिग्रेड करने के लिए (जनरेशन प्रोबेबिलिटी और फिडेलिटी कम करना, प्रयास समय बढ़ाना, और मेमोरी कोहेरेंस कम करना) ग्राउंड-ट्रुथ लेबल्स से प्राप्त एक ओरेकल अटैक-रेट सिग्नल ( $a_{oracle}(t)$ ) का उपयोग किया जाता है।
- चार परिदृश्यों का परीक्षण किया गया है: क्लीन (कोई डिग्रेडेशन नहीं), अटैक-अनअवेयर (डिग्रेडेड फिजिक्स, क्लीन कंट्रोलर), IDS-अवेयर (डिग्रेडेड फिजिक्स, कंट्रोलर $a_{IDS}$ के आधार पर अनुकूलित होता है), और ओरकल-अवेयर (डिग्रेडेड फिजिक्स, कंट्रोलर $a_{oracle}$ के आधार पर अनुकूलित होता है)।

मुख्य योगदान

को-सिमुलेशन वर्कफ़्लो: एक हाइब्रिड वर्कफ़्लो का विकास जहाँ CUDA-Q नॉइजी क्वांटम प्रिमिटिव्स को वैलिडेट करता है और SeQUeNCe कई मोंटे कार्लो ट्रायल्स पर एंड-टू-एंड नेटवर्क प्रदर्शन का मूल्यांकन करता है।
रिसोर्स-पेनलाइज्ड रिस्क-अवेयर पॉलिसी: एक ऑब्जेक्टिव फंक्शन का परिचय जो एबव-टारगेट डिलीवरी के लोअर-कॉन्फिडेंस-बाउंड को प्यूरिफिकेशन लागत और लेटेंसी के साथ संतुलित करता है। यह पॉलिसी "नो प्यूरिफिकेशन" (कम फिडेलिटी) और "फिक्स्ड प्यूरिफिकेशन" (उच्च विफलता/विलंबता) के चरमों से बचती है।
साइबर-अवेयर कंट्रोल फ्रेमवर्क: यह प्रदर्शन कि कैसे IDS-व्युत्पन्न एनोमली स्कोर क्वांटम-नेटवर्क कंट्रोलर्स के लिए एक्शन योग्य इनपुट के रूप में कार्य कर सकते हैं, जिससे सिस्टम को क्लासिकल कंट्रोल-प्लेन डिग्रेडेशन के जवाब में प्यूरिफिकेशन मास्क को अनुकूलित करने की अनुमति मिलती है।
अनुभवजन्य सत्यापन (Empirical Validation): 3-लिंक और 8-नोड चेन्स में नीतियों की व्यापक तुलना, जो दर्शाती है कि "यूज़फुल डिलीवरी" (फिडेलिटी-क्वालिफाइड) के लिए अनुकूलित करना रॉ थ्रूपुट या स्थानीय फिडेलिटी के बजाय बेहतर परिणाम देता है।

परिणाम

स्थिर स्थितियाँ (Stationary Conditions): एक 8-नोड चेन में, रिसोर्स-पेनलाइज्ड रिस्क-अवेयर पॉलिसी ने 0.362 ± 0.017 की एबव-टारगेट डिलीवरी प्रोबेबिलिटी हासिल की, जो फिक्स्ड प्यूरिफिकेशन (0.311 ± 0.017) से बेहतर थी, जबकि इसने कम प्यूरिफिकेशन ऑपरेशंस का उपयोग किया और लेटेंसी को कम किया। यह पुष्टि करता है कि उपयोगी डिलीवरी को हर लिंक को प्यूरीफाई करने के बजाय चयनात्मक प्यूरिफिकेशन द्वारा अधिकतम किया जाता है।
हमले के तहत (SSDP):
- अटैक-अनअवेयर कंट्रोलर ने उच्च रॉ डिलीवरी बनाए रखी लेकिन उपयोगी डिलीवरी में भारी गिरावट देखी, जो एबव-टारगेट प्रोबेबिलिटी में 0.098 ± 0.007 तक गिर गई।
- IDS-अवेयर कंट्रोलर ने, हमले के दौरान अधिक प्यूरिफिकेशन-हैवी मास्क की ओर स्विच करके, एबव-टारगेट डिलीवरी प्रोबेबिलिटी को बढ़ाकर 0.344 ± 0.011 कर दिया।
- यह परिणाम ओकल-अवेयर कंट्रोलर (0.335 ± 0.011) के बहुत करीब था, जिसके पास अटैक रेट का पूर्ण ज्ञान था।
ट्रेड-ऑफ: IDS-अवेयर कंट्रोलर ने रॉ थ्रूपुट के बदले फिडेलिटी-क्वालिफाइड डिलीवरी को सफलतापूर्वक ट्रेड किया। हालांकि इसने रॉ डिलीवरी प्रोबेबिलिटी को कम किया, लेकिन इसने उच्च-फिडेलिटी एंटैंगलमेंट की डिलीवरी की संभावना को महत्वपूर्ण रूप से रिकवर किया जो अन्यथा डिग्रेडेशन के कारण खो जाती।

महत्व और दावे
शोध पत्र का दावा है कि एडेप्टिव प्यूरिफिकेशन को एक स्टैटिक लिंक-लेवल ऑपरेशन के बजाय एक साइबर-अवेयर कंट्रोल प्रॉब्लम के रूप में माना जाना चाहिए। प्राथमिक महत्व इस बात के प्रदर्शन में है कि:

हाइब्रिड क्वांटम-क्लासिकल वर्कफ़्लो: CUDA-Q आधारित प्रिमिटिव एस्टिमेटर्स प्रभावी घटक हैं, जो पूरे नेटवर्क को ग्लोबल क्वांटम सर्किट के रूप में सिम्युलेट किए बिना आवश्यक फिडेलिटी अनुमान प्रदान करते हैं।
एक्शन योग्य साइबर-स्टेट: IDS-व्युत्पन्न एनोमली स्कोर केवल नेटवर्क डिग्रेडेशन के सह-संबंधित (correlated) नहीं हैं; वे सक्रिय रूप से क्वांटम-नेटवर्क कंट्रोल एक्शन (प्यूरिफिकेशन मास्क) को बदल सकते हैं ताकि उपयोगी क्वांटम परिणाम में सुधार हो सके।
रेसिलिएंस स्ट्रैटेजी: साइबर-डिग्रेडेशन के तहत, इष्टतम रणनीति रॉ थ्रूपुट को अधिकतम करने से बदलकर फिडेलिटी-क्वालिफाइड डिलीवरी को अधिकतम करने की ओर स्थानांतरित हो जाती है। IDS-अवेयर कंट्रोलर इसे डिग्रेडेशन के संकेत मिलने पर प्यूरिफिकेशन प्रयास बढ़ाकर प्राप्त करता है, जिससे वह उपयोगी एंटैंगलमेंट डिलीवरी को रिकवर करता जिसे एक अनअवेयर कंट्रोलर खो देता।

लेखक विनम्रतापूर्वक नोट करते हैं कि साइबर-टू-क्वांटम डिग्रेडेशन मॉडल फेनोमेनोलॉजिकल (phenomenological) है और परिणाम पूर्ण सुरक्षा मॉडल के बजाय साइबर-अवेयर कंट्रोल के प्रमाण-स्वरूप (proof-of-principle) प्रदर्शन के रूप में कार्य करते हैं। भविष्य के कार्य के लिए डिग्रेडेशन मॉडल को हार्डवेयर के विरुद्ध कैलिब्रेट करने और हेट्रोजेनियस ग्राफ और ऑनलाइन लर्निंग तक ढांचे को विस्तारित करने का सुझाव दिया गया है।

क्वांटम इंटरनेट का नाजुक नृत्य

शोधपत्र की कहानी: क्वांटम नेटवर्क को साइबर-स्मार्ट बनाना सिखाना

इसका क्या अर्थ है

इसी तरह के और पेपर